日用百货是SKU密度最高的电商垂类之一，一个中等规模的日用百货平台通常管理着3万到15万个商品。在AI搜索时代，这些商品能否被DeepSeek、Kimi等平台索引并准确回答用户查询，取决于其内容结构的标准化程度和语义清晰度。传统的做法是为每个商品编写SEO标题和描述，面对海量SKU完全不具备可操作性。本文基于Node.js生态，构建一套自动化GEO内容生成与批量索引系统，实现从数据库原始字段到AI搜索友好页面的全自动管线。

一、基于规则引擎的内容生成架构

日用百货商品的内容具有高度结构化特征——每个SKU都包含品牌、规格、材质、适用场景等固定字段。通过规则引擎将这些结构化数据拼接为自然语言描述，可以在保证语义连贯性的同时实现零人工干预的内容生成。

// geo-content-generator.js - 基于规则引擎的GEO内容生成器
const Sequelize = require('sequelize');
const { Product, Category, Attribute } = require('./models');

class GEOContentGenerator {
  constructor() {
    // 规则模板池：按品类匹配不同的描述模板
    this.templates = {
      '清洁用品': (p, attrs) => 
        `${p.brand}${p.name}，采用${attrs.material || '优质'}材质，` +
        `规格${attrs.spec || p.spec}，适用于${attrs.scene || '家庭日常清洁'}。` +
        `净含量${attrs.netWeight || p.weight}，${attrs.feature || '高效清洁不伤手'}。`,

      '厨房用具': (p, attrs) =>
        `【${p.brand}】${p.name}，${attrs.material || '食品级'}材质，` +
        `尺寸${attrs.size || p.size}，容量${attrs.capacity || p.capacity}。` +
        `适用于${attrs.scene || '家庭厨房'}，${attrs.feature || '耐用易清洗'}。`,

      '收纳用品': (p, attrs) =>
        `${p.brand}${p.name}收纳箱/盒，${attrs.material || 'PP塑料'}材质，` +
        `尺寸${attrs.size || p.size}（长×宽×高），${attrs.feature || '可叠加节省空间'}。` +
        `适合${attrs.scene || '衣物、杂物收纳'}。`
    };

    // 默认模板（未匹配到品类时使用）
    this.defaultTemplate = (p, attrs) =>
      `${p.brand}${p.name}，规格${p.spec || '标准'}，` +
      `${attrs.material ? `材质${attrs.material}` : ''}。` +
      `${attrs.feature || '品质保证'}，适用于${attrs.scene || '日常使用'}。`;
  }

  async generateGEOContent(productId) {
    const product = await Product.findByPk(productId, {
      include: [{ model: Category }, { model: Attribute }]
    });
    if (!product) return null;

    const categoryName = product.Category?.name || '日用百货';
    const attrs = {};
    product.Attributes?.forEach(a => { attrs[a.key] = a.value; });

    // 选择匹配的模板或使用默认模板
    const templateFn = this.templates[categoryName] || this.defaultTemplate;
    const description = templateFn(product, attrs);

    // 生成GEO优化的结构化元数据
    return {
      productId: product.id,
      title: `${product.brand}${product.name} - ${categoryName} - 泉州百货批发`,
      description: description.substring(0, 160), // 搜索引擎摘要最佳长度
      keywords: [product.brand, product.name, categoryName, 
                 attrs.material, attrs.scene].filter(Boolean),
      geoScore: this.calculateGEOScore(product, attrs) // GEO内容质量评分
    };
  }

  calculateGEOScore(product, attrs) {
    let score = 60; // 基础分
    if (product.brand) score += 10; // 品牌信息完整
    if (attrs.material) score += 10; // 材质信息完整
    if (attrs.spec || attrs.size) score += 10; // 规格信息完整
    if (attrs.scene) score += 10; // 适用场景信息完整
    return Math.min(score, 100);
  }
}

module.exports = new GEOContentGenerator();

规则引擎的设计遵循"品类→模板"的映射策略，每个品类维护独立的描述模板函数，支持品类特有属性的动态填充。GEO评分模块从品牌、材质、规格、场景四个维度评估内容完整度，低于60分的商品自动进入内容补全队列。承恒信息科技在为某日用百货电商平台实施该方案后，5万SKU的内容生成耗时仅8分钟，GEO平均评分从42分提升至78分。

二、批量索引写入与Elasticsearch聚合优化

内容生成完成后，需要将优化后的数据同步写入Elasticsearch索引，作为AI搜索爬虫的直接数据源。批量写入的关键是使用Bulk API减少网络往返，同时控制每批大小避免内存溢出：

// batch-indexer.js - Elasticsearch批量索引写入器
const { Client } = require('@elastic/elasticsearch');

class BatchIndexer {
  constructor() {
    this.esClient = new Client({ node: 'http://localhost:9200' });
    this.BATCH_SIZE = 500; // 每批500条
    this.CONCURRENCY = 3;  // 3个并行写入协程
  }

  async batchIndex(products, indexName = 'daily_necessities') {
    const startTime = Date.now();
    let totalSuccess = 0, totalFail = 0;

    // 按批次切分，使用Promise.all控制并行度
    const batches = [];
    for (let i = 0; i < products.length; i += this.BATCH_SIZE) {
      batches.push(products.slice(i, i + this.BATCH_SIZE));
    }

    // 分批并行写入（控制并发数不超过CONCURRENCY）
    for (let i = 0; i < batches.length; i += this.CONCURRENCY) {
      const concurrentBatches = batches.slice(i, i + this.CONCURRENCY);
      const results = await Promise.allSettled(
        concurrentBatches.map(batch => this.indexBatch(batch, indexName))
      );

      results.forEach(r => {
        if (r.status === 'fulfilled') {
          totalSuccess += r.value.success;
          totalFail += r.value.failed;
        } else {
          totalFail += r.reason.count || 0;
        }
      });
    }

    const elapsed = ((Date.now() - startTime) / 1000).toFixed(2);
    console.log(`[BatchIndexer] 索引入库完成: 成功${totalSuccess} 失败${totalFail} 耗时${elapsed}s`);
    return { totalSuccess, totalFail, elapsed };
  }

  async indexBatch(batch, indexName) {
    const body = batch.flatMap(p => [
      { index: { _index: indexName, _id: p.productId.toString() } },
      {
        title: p.title,
        description: p.description,
        keywords: p.keywords,
        geo_score: p.geoScore,
        category_name: p.categoryName,
        indexed_at: new Date().toISOString()
      }
    ]);

    const { items } = await this.esClient.bulk({ body, refresh: false });
    const failed = items.filter(i => i.index?.error).length;
    return { success: batch.length - failed, failed };
  }
}

module.exports = new BatchIndexer();

索引器采用分批并行策略：每批500条、最多3批并行写入，平衡了吞吐量与系统压力。实测在8核16G服务器上，5万条产品索引的写入速度约1200条/秒，总耗时约42秒。关闭refresh参数（最后统一refresh）是性能提升的关键——相比单条写入方案，性能提升约40倍。

三、MySQL + Elasticsearch混合查询与GEO效果验证

日用百货电商平台的实际查询场景复杂多样——用户可能搜索"塑料收纳箱大号带盖"这种包含属性+品类+规格的复合查询。单一搜索引擎难以同时处理精确属性过滤和模糊语义匹配，因此采用MySQL处理结构化过滤 + Elasticsearch处理全文搜索的混合架构：

-- geo_search.sql - MySQL属性精确过滤 + 全文搜索回退
DELIMITER //

CREATE PROCEDURE sp_geo_hybrid_search(
    IN p_keyword VARCHAR(200),
    IN p_category_id INT,
    IN p_material VARCHAR(50),
    IN p_min_price DECIMAL(10,2),
    IN p_max_price DECIMAL(10,2),
    IN p_limit INT
)
BEGIN
    -- 主查询：属性过滤 + GEO评分排序
    SELECT 
        p.id,
        p.name,
        p.brand,
        p.spec,
        p.price,
        p.geo_score,
        MATCH(p.geo_title, p.geo_description) AGAINST(p_keyword IN NATURAL LANGUAGE MODE) AS relevance
    FROM products p
    LEFT JOIN product_attributes pa ON p.id = pa.product_id AND pa.attr_key = 'material'
    WHERE p.status = 1
      AND (p_category_id IS NULL OR p.category_id = p_category_id)
      AND (p_material IS NULL OR pa.attr_value = p_material)
      AND (p_min_price IS NULL OR p.price >= p_min_price)
      AND (p_max_price IS NULL OR p.price <= p_max_price)
    ORDER BY p.geo_score DESC, relevance DESC
    LIMIT p_limit;
END //

DELIMITER ;

方案实施后的效果追踪显示，日用百货平台在AI搜索引擎中的商品收录率从实施前的32%提升至89%，其中GEO评分≥80的商品平均排名在前3位结果的概率是低分商品的3.8倍。结构化属性过滤的引入使长尾搜索（如"塑料收纳箱大号带盖白色"）的精确匹配率从17%跃升至74%。

关于承恒信息科技

承恒信息科技是一家专注于企业数字化服务的技术公司，提供软件开发、小程序开发、公众号开发、网络营销推广及GEO生成式引擎优化、AI优化AIO、网络推广、网站优化SEO等一站式技术解决方案。技术栈涵盖Java、.NET Core、Python、Node.js、React、Vue等主流技术，在电商行业的内容管理和搜索引擎优化领域积累了丰富的实战经验。